基于多模型协同的细胞切片图像识别方法及系统技术方案

本发明专利技术公开了一种基于多模型协同的细胞切片图像识别方法及系统，该方法包括：获取目标生物组织对应的细胞数字切片图像，输入至训练好的多个特殊染色转换模型中，以得到所述细胞数字切片图像对应的多个不同染色形式的特殊染色切片图像；将每一所述特殊染色切片图像输入至训练好的核形态分割模型中，以得到每一所述特殊染色切片图像对应的核形态分割图像，确定所述细胞数字切片图像对应的核形态图像；将所述核形态图像输入至训练好的风险预测模型中，以得到所述细胞数字切片图像对应的病理风险预测概率。可见，本发明专利技术能够实现完全自动化的细胞切片的病理预测，且能够利用不同的染色转换来提高细胞核识别的精确度，以有效地辅助病理风险的预测。

【技术实现步骤摘要】

本专利技术涉及生物图像数据处理，尤其涉及一种基于多模型协同的细胞切片图像识别方法及系统。

技术介绍

1、在智能影像学研究中，基于图像处理的细胞切片的病理识别是重要的研究方向，许多热门的图像识别算法也在这一领域中大放异彩，具有较高的准确率。但现有的图像处理技术在解决细胞切片图像识别方面的工作任务时，没有考虑到借用神经网络模型来实现不同染色图像的转换，并进一步利用不同染色图像的特点来提高核形态分割和识别的效率和效果。可见，现有技术存在缺陷，亟需解决。

技术实现思路

1、本专利技术所要解决的技术问题在于，提供一种基于多模型协同的细胞切片图像识别方法及系统，能够实现完全自动化的细胞切片的病理预测，且能够利用不同的染色转换来提高细胞核识别的精确度，以有效地辅助病理风险的预测。

2、为了解决上述技术问题，本专利技术第一方面公开了一种基于多模型协同的细胞切片图像识别方法，所述方法包括：

3、获取目标生物组织对应的细胞数字切片图像；

4、将所述细胞数字切片图像输入至训练好的多个特殊染色转换本文档来自技高网...

【技术保护点】

1.一种基于多模型协同的细胞切片图像识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多模型协同的细胞切片图像识别方法，其特征在于，所述特殊染色转换模型包括H&E染色转换模型、PAS染色转换模型、GMS染色转换模型、Gomori染色转换模型中的至少一种；和/或，所述特殊染色切片图像的染色形式包括H&E染色、PAS染色、GMS染色、Gomori染色中的至少一种。

3.根据权利要求1所述的基于多模型协同的细胞切片图像识别方法，其特征在于，所述特殊染色转换模型为神经网络模型，所述特殊染色转换模型通过包括有多个训练细胞切片图像和对应的染色形...

【技术特征摘要】

1.一种基于多模型协同的细胞切片图像识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多模型协同的细胞切片图像识别方法，其特征在于，所述特殊染色转换模型包括h&e染色转换模型、pas染色转换模型、gms染色转换模型、gomori染色转换模型中的至少一种；和/或，所述特殊染色切片图像的染色形式包括h&e染色、pas染色、gms染色、gomori染色中的至少一种。

3.根据权利要求1所述的基于多模型协同的细胞切片图像识别方法，其特征在于，所述特殊染色转换模型为神经网络模型，所述特殊染色转换模型通过包括有多个训练细胞切片图像和对应的染色形式的染色图像的训练数据集训练得到；和/或，所述核形态识别模型为与输入的所述特殊染色切片图像的染色形式对应的hover-net结构神经网络模型，所述核形态识别模型通过包括有多个对应的所述染色形式的训练染色切片图像和对应的核形态区域标注的训练数据集训练得到。

4.根据权利要求3所述的基于多模型协同的细胞切片图像识别方法，其特征在于，所述根据所有所述特殊染色...

【专利技术属性】
技术研发人员：刘娜，陈嘉伟，胡晓晓，
申请(专利权)人：佛山大学，
类型：发明
国别省市：